[發明專利]一種基于GPU加速的海中場景建模與實時交互繪制方法

有效

• 申請號: 201310703038.0
• 申請日: 2013-12-19
• 公開（公告）號: CN103714574A
• 公開（公告）日: 2014-04-09
• 發明（設計）人: 王章野;王豐金;廖惟博
• 申請（專利權）人: 浙江大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T5/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 張法高

1.一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于包括如下步驟：?

1）海中場景聲納數據針對聲納數據特點采用形態學方法和濾波對原始數據進行預處理，分為基于二值化的水體地層分離、基于梯度的目標檢測和基于梯度統計與濾波的去噪增強；?

2）利用GPU加速光線跟蹤算法，基于數據的統計數據生成傳遞函數，并加入實時交互功能，實現可交互的海中場景三維體數據可視化建模；?

3）使用基于范圍檢測的marchingCube方法和GPU加速方法，實現海中目標聲納數據表面提取和實時繪制。?

2.根據權利要求1所述的一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于步驟1)所述的水體地層分離為：?

2.1）通過LOG變換改善數據范圍，拓寬有效聲納數據范圍；?

2.2）采用高斯濾波快速去噪減弱水體中噪音的影響，并保留了水體地層分界線的原有性質；?

2.3）通過灰度域上的形態學操作中的開運算去除目標與噪聲物體，僅保留水體與地層數據；?

2.4）基于水體與地層對聲納信號反應的不同，采用自動化閾值分割水體地層，閾值計算公式為：?

式中σ代表方差，T代帶表數據場，σ_within(T)代表數據場分割后前景方差和背景方差加權求和，σ_between(T)代表前景與背景的方差，即前景與背景的差別度量，N代表數據點個數，如N_Fgrnd(T)代表數據場T中前景數據點個數，N_Fgrnd(T)代表數據場T中背景數據點的個數，N代表數據場整體采樣點個數。?f[x,y]代表數據場中位于點[x,y]處的強度值，三維可拓展為f[x,y,z]，μ代表全體數據平均值，μ_Fgrnd和μ_Bgrnd分別帶便前景與背景數據點的平均值。?

3.根據權利要求1所述的一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于步驟1)所述的目標檢測和去噪增強為：?

3.1）計算三維數據場的梯度數據場；?

3.2）統計梯度直方圖數據場，發現數據場具有雙峰特性或多峰特性；?

3.3）基于梯度直方圖進行門限分割出強度最大的波峰，即得到目標物體；?

3.4）對其他波峰數據進行高斯濾波模糊處理，即得到去噪效果。?

4.根據權利要求1或3所述的一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于所述的步驟2）為：使用GPU優化以下步驟：?

4.1）基于梯度數據場和去噪后的聲納數據場計算加權求和得到新數據場?

C_trans＝αC_volumedata+βC_gradientdata

其中C_volumedata代表源數據場，C_gradientdata代表梯度數據場，α與β為加權系數,C_trans代表合成結果；?

4.2）基于新數據場的梯度域統計計算得到可交互更改的傳遞函數；?

4.3）以視點為起點，向RayCasting載體立方體表面投射射線，進行等距采樣并進行顏色疊加混合；?

c_o＝α_sc_s+(1-α_s)c_d

其中α_s代表體素透明度，由傳遞函數提供。C_s為體素強度，C_d代表已疊加強度值，C_o代表新得到的強度值，直到采樣強度值的不透明度超過1，或采樣深度超過數據場停止計算。?

5.根據權利要求1所述的一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于步驟3）所述的基于范圍檢測的marchingCube方法和GPU加速方法為：?

5.1）將立方體的八個點進行編碼2⁰、2¹、2²、2³、2⁴、2⁵、2⁶、2⁷，將立方體所有的模式進行編碼索引，進而將所有的模式放在模式紋理texture_Pattern中進行GPU端的處理與查詢；?

5.2）利用GPU的并行處理能力以及立方體之間相互獨立的特性，對數據場的所有立方體進行分類，分類檢索公式為：?

其中index為當前立方體類別的索引，vertex[i]為立方體頂點i的數據場的值，[isovalue1,isovalue2]是目標的可能閾值動態范圍，利用index在texture_Pattern中查找立方體所能產生的頂點個數numofvertex.然后更新相應的狀態變量：?

cubeVertexNumber[indexofcube]＝numofvertex?

其中indexofcube為當前立方體在GPU上的編碼；?

5.3）利用Prefix-Sum算法對cubeOccupid數組進行處理,在cubeOccupidScan數組中保存當前包含頂點的立方體在所有包含頂點的立方體的排序；?

5.4）利用Prefix-Sum處理的結果對立方體進行壓縮處理，將不含有頂點的立方體剔除出去，壓縮方法為：?

compactCube[cubeOccupidScan[i]]＝i??if(cubeOccupid[i]＞0)?

其中i為當前立方體的索引；處理結束后，compactCube數組中保存的是所有包含三角面片的立方體的索引；?

5.5）利用cube的256中模式分別對每個含有三角面片的立方體進行處理，產生最終的頂點、法向、以及三角面片，計算公式為：?

其中vertex為產生的頂點坐標，v₁、v₂為兩個端點的坐標，value₁、value₂為兩個端點的體數據值，Isovalue為體數據的閾值范圍的平均值：?

isovalue＝(isovalue1+isovalue2)/2?

normal為三角面片的法向：?

normal＝(v2-v1)×(v3-v2)?

5.6）利用openGL顯示最終的結果，加入了Tessellation?Shader,設置曲面細分的等級，得到平滑的最終顯示結果；?

5.7）將marching?cube獲得的結果以obj格式進行保存。?